XIV 统计学习方法（第2版） 13.3机器学习三要素249 13.4无监督学习方法 …249 本章概要.253 继续阅读. …254 参考文献 254 第14章聚类方法… .255 14.1聚类的基本概念 .255 14.1.1相似度或距离… …255 14.1.2类或簇 .258 14.1.3类与类之间的距离 … .260 14.2层次聚类 .261 14.3k均值聚类… .263 14.3.1模型… .263 14.3.2策略 263 14.3.3算法 .264 14.3.4算法特性…。 .266 本章概要… …267 继续阅读. …268 习题… .269 参考文献 …269 第15章奇异值分解.… .271 15.1奇异值分解的定义与性质 .271 15.1.1定义与定理 .271 15.1.2紧奇异值分解与截断奇异值分解… .276 15.1.3几何解释 .279 15.1.4主要性质 .280 15.2奇异值分解的计算 .282 15.3奇异值分解与矩阵近似 ,286 15.3.1弗罗贝尼乌斯范数 .286 15.3.2矩阵的最优近似… .287 15.3.3矩阵的外积展开式 .290
目录 XV 本章概要 …292 继续阅读 …294 习题… .294 参考文献 …295 第16章主成分分析。 .297 16.1总体主成分分析 .297 16.1.1基本想法 .297 16.1.2定义和导出」 …29g 16.1.3主要性质 .301 16.1.4主成分的个数.」 306 16.1.5规范化变量的总体主成分 .309 16.2样本主成分分析 .310 16.2.1样本主成分的定义和性质…310 16.2.2相关矩阵的特征值分解算法 312 16.2.3数据矩阵的奇异值分解算法.…315 本章概要… 317 继续阅读… .319 习题… .320 参考文献… 320 第17章潜在语义分析…。 .321 17.1单词向量空间与话题向量空间 321 17.1.1单词向量空间. 321 17.1.2话题向量空间 324 17.2潜在语义分析算法 .327 17.2.1矩阵奇异值分解算法… .327 17.2.2例f 329 17.3非负矩阵分解算法 .331 17.3.1非负矩阵分解… .331 17.3.2潜在语义分析模型 332 17.3.3非负矩阵分解的形式化… .332 17.3.4算法333
XVI 统计学习方法（第2版） 本章概要 .335 继续阅读 .337 习题 .337 参考文献… .337 第18章概率潜在语义分析。 … .339 18.1概率潜在语义分析模型 .339 18.1.1基本想法 .339 18.1.2生成模型 .340 18.1.3共现模型 .341 18.1.4模型性质 .342 18.2概率潜在语义分析的算法 .345 本章概要。 .347 继续阅读 .348 习题… 348 参考文献 .349 第19章马尔可夫链蒙特卡罗法。 .351 19.1蒙特卡罗法 .351 19.1.1随机抽样 .351 19.1.2数学期望估计 .353 19.1.3积分计算 .353 19.2马尔可夫链… .355 19.2.1基本定义 .355 19.2.2离散状态马尔可夫链 .356 19.2.3连续状态马尔可夫链 .362 19.2.4马尔可夫链的性质 .363 19.3马尔可夫链蒙特卡罗法 .367 19.3.1基本想法 … .367 19.3.2基本步骤 .369 19.3.3马尔可夫链蒙特卡罗法与统计学习 .369 19.4 Metropolis-Hastings算法 370 19.4.1基本原理 .370
目录 XVII 19.4.2 Metropolis-Hastings算法 .373 19.4.3单分量Metropolis-Hastings算法… .374 19.5吉布斯抽样… …376 19.5.1基本原理 .376 19.5.2吉布斯抽样算法 .377 19.5.3抽样计算 .378 本章概要。 379 继续阅读 .381 习题 381 参考文献 .383 第20章潜在狄利克雷分配 .385 20.1狄利克雷分布…。 385 20.1.1分布定义 .385 20.1.2共轭先验 .389 20.2潜在狄利克雷分配模型 .390 20.2.1基本想法 390 20.22摸型定义391 20.2.3概率图模型 .393 20.2.4随机变量序列的可交换性 .394 20.2.5概率公式 .395 20.3LDA的吉布斯抽样算法 .396 20.3.1基本想法… .396 20.3.2算法的主要部分 .397 20.3.3算法的后处理 .399 20.3.4算法. .399 20.4LDA的变分EM算法 .401 20.4.1变分推理 .401 20.4.2变分EM算法 .403 20.4.3算法推导 .404 20.4.4算法总结 .411 本章概要… …411 继续阅读…413
XVIII 统计学习方法（第2版） 习题 413 参考文献… …413 第21章PageRank算法 415 21.1 PageRank的定义 …415 21.1.1基本想法 .415 21.1.2有向图和随机游走模型 .416 21.1.3 PageRank的基本定义 .418 21.1.4 PageRank的一般定义 421 21.2 PageRank的计算 423 21.2.1迭代算法 .423 21.2.2幂法 425 21.2.3代数算法 .430 本章概要. ,430 继续阅读 .432 习题… 432 参考文献 .432 第22章无监督学习方法总结. 435 22.1无监督学习方法的关系和特点 .435 22.1.1各种方法之间的关系 .435 22.1.2无监督学习方法… .436 22.1.3基础机器学习方法 .437 22.2话题模型之间的关系和特点… .437 参考文献… …438 附录A梯度下降法… 439 附录B牛顿法和拟牛顿法 .441 附录C拉格朗日对偶性 …447 附录D矩阵的基本子空间… …61 附录EKL散度的定义和狄利克雷分布的性质 455 索引